數據分析涉及到概率統計和時序分析等學科中很深的數學知識，本文在此不做深入討論。要理性填報志愿，正確進行數據分析，必須注意以下幾個誤區。
誤區一：只用一年數據的誤區
應對策略：至少用三年，最好用四至六年的原始錄取數據
如果只用一年的數據，偶然性的因素不會排除，招生錄取的“大小年”現象無法回避，至少要用四到六年的數據。
所謂 大小年的現象 ，就是高校招生中某個或某些學校的招考人數很不穩定，起伏很大。某一年填報該校的人數比計劃招生數高出許多倍，直接結果是當年的錄取分被抬得很高，這一年稱之為大年。由于上一年錄取分高，競爭異常激烈，使下年許多考生望而卻步，不再報考該校了，帶來的結果是參與競爭的人少，錄取分相應就降下來，我們將其稱之為小年。再下一年的考生看到頭一年的錄取分不高，可能報考的人又多了 …… 如此循環，報考人數和錄取分起伏十分明顯，就形成了所謂的大小年現象。
誤區二：使用最低分的誤區
應對策略：至少要用平均分
最低分這個指標，從邏輯與數學的意義而言，是能否上一個院校(或專業)的 必要條件 ，只能起到 否定 的作用(不能上)，這不是我們考生和家長的目標。我們追求的目標是應該有 90% 以上的概率能上學!是一種 肯定 ，而不是 否定 !而我們大多數人的思維定勢往往是想以最低的成績上最好的院校。從感性而言可以理解，但從理性來講，不夠明智。
而平均分是一個 充分條件 ，能起到 肯定 的作用(但應注意，這種肯定是統計學意義的肯定)。同時，應該注意，平均分也有其局限性。
誤區三：平均分算法錯誤的誤區
應對策略：所有考生的實際平均值
平均分并不是最高分與最低分的幾何中心(最高分與最低分的算術平均)，而是低于幾何中心位置。有的學者提出了 3/8 方法、 2/5 黃金線法等，有一定的合理性，最好的方法是大數據分析法----使用所有考生的實際平均值。
另外，由于最高分與最低分(屬于極端值)的不可靠性和偶然性，在數據分析的過程中，應該按極端值處理的方法進行。最簡單的事例是，在各種競賽的評比中，經常用去掉一個最高分、去掉一個最低分，就是這個道理。
在志愿填報實踐中，要盡力避免數據分析的各種誤區，綜合應用線差法與位次法，克服各種方法的缺點，整體考察，宏觀把握!事實上，高考(課程)志愿填報從數學的觀點而言，是一個無解的題目，我們所努力的方向是盡量減少誤差、減少填報志愿過程中的失誤。
大家愛看
